Occupational Stress, Burnout, and Depression in Women in Healthcare During COVID-19 Pandemic: Rapid Scoping Review
Notice bibliographique
Résumé
Objectives: The overall objectives of this rapid scoping review are to (a) identify the common triggers of stress, burnout, and depression faced by women in health care during the COVID-19 pandemic, and (b) explore individual-, organizational-, and systems-level interventions that can support the well-being of women HCWs during a pandemic. Design: This scoping review is registered on Open Science Framework (OSF) and was guided by the JBI guide to scoping reviews and reported using the Preferred Reporting Items for Systematic reviews and Meta-Analysis (PRISMA) extension to scoping reviews. A systematic search of literature databases (Medline, EMBASE, CINAHL, PsycInfo and ERIC) was conducted from inception until June 12, 2020. Two reviewers independently assessed full-text articles according to predefined criteria. Interventions: We included review articles and primary studies that reported on stress, burnout, and depression in HCWs; that primarily focused on women; and that included the percentage or number of women included. All English language studies from any geographical setting where COVID-19 has affected the population were reviewed. Primary and secondary outcome measures: Studies reporting on mental health outcomes (e.g., stress, burnout, and depression in HCWs), interventions to support mental health well-being were included. Results: Of the 2,803 papers found, 28 were included. The triggers of stress, burnout and depression are grouped under individual-, organizational-, and systems-level factors. There is a limited amount of evidence on effective interventions that prevents anxiety, stress, burnout and depression during a pandemic. Conclusions: Our preliminary findings show that women HCWs are at increased risk for stress, burnout, and depression during the COVID-19 pandemic. These negative outcomes are triggered by individual level factors such as lack of social support; family status; organizational factors such as access to personal protective equipment or high workload; and systems-level factors such as prevalence of COVID-19, rapidly changing public health guidelines, and a lack of recognition at work.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».